塑性神经网络的反应扩散类公式揭示临界态下的耗散孤子
无序系统与神经网络
2016-06-15 v3 神经元与认知
摘要
具有脉冲时间依赖可塑性 (STDP) 的网络中的自组织结构可能在大脑信息处理中发挥核心作用。在本研究中，我们针对具有受 STDP 启发且在定性上与之相似的相关敏感学习规则的非线性速率神经元塑性前馈网络，推导了一种反应扩散类公式。在获得描述信号逐层空间形状变化的方程后，我们推导了为获得任意输入下稳定动力学所需的非线性判据。我们对信号演化的可能场景进行了分类，并发现在接近不稳定区域的转变点附近会出现亚稳态解。这些耗散孤子的形式被解析地确定，并研究了几个此类共存物体的演化与相互作用。
引用
@article{arxiv.1508.07857,
title = {A reaction diffusion-like formalism for plastic neural networks reveals dissipative solitons at criticality},
author = {Dmytro Grytskyy and Markus Diesmann and Moritz Helias},
journal= {arXiv preprint arXiv:1508.07857},
year = {2016}
}